ILOSTAT: statut d’emploi selon la typologie du BIT
YEARBIR: année de naissance (effets de génération?)
MARSTAT : statut marital
WSTATOR: statut d’emploi lors de la semaine de référence
STAPRO : statut professionnel
ISCO4D : numéro isco
SUPVISOR: responsabilités (manager etc)
COUNTRYW
REGIONW : région du travail (peut être faire des analyses en fonction de la ruralité etc?)
YSTARTWK: année ou la personne a commencé à travailler : car c’est en fait un moyen de calculer l’expérience, les interruptions de carrière etc
FTPT : temps plein/temps partiel (super important)
FTPTREAS: raisons du temps partiel ou plein (idem)
WISHMORE: est ce qu’il veut travailler plus
LOOKREAS : raisons pour lesquels on veut trouver un autre job
EXISTPR: existence d’un job avant le job actuel
YEARPR: année lors de laquelle le type a travaillé avant
LEAVREAS: raison pour laquelle on a quitté son dernier job
SEEKWORK: est ce qu’on cherche du travail (cf BIT)
SEEKREAS: pourquoi on en cherche
SEEKTYPE: ce qu’on cherche
EDUCLEVL: niveau d’éducation ⇒ J’ai l’impression qu’il faut plutôt regarder les variables en HAT, qui concerne le plus haut degré d’étude atteint ?
HATYEAR: année ou on a fini ses études
HATLEVEL
HATFIELD
HHCHILDR: est ce qu'il y a des enfants dans le foyer
HHNBPERS: nombre d'enfants dans le ménage
HHNBCH2: nombre d'enfants de moins de 2 ans dans le foyer
HHNBCH5: nombre d'enfants de 3 à 5 ans dans le ménage
HHNBCH8: nombre d'enfants de 6 à 8 ans dans le ménage
HHNBCH11: nombre d'enfants de 9 à 11 ans dans le ménage
HHNBCH14: nombre d'enfants de 12 à 14 ans dans le ménage
HHNBCH17: nombre d'enfants de 15 à 17 ans dans le ménage
INCDECIL: décile du revenu (est ce qu’on va faire une étude qui comprend les salaire? cf quali/quanti vision du marché du travail pour les femmes)
COUNTRY : variable dont il faut bien vérifier qu’elle est harmonisée dans toutes les bases !!
DEGURBA: degré d’urbanisation: super important mine de rien cf secteur agricole portugais dont avait parlé Hélène Périvier
NATIONAL : Nationalité. Pour éventuellement ne pas compter les étrangers (sinon on va compter en + le racisme !) ?
SIZEFIRM : Pour compter en fnt de la taille de la boîte.
TEMP : Pour savoir si CDI ou CDD
TEMPREAS : Raison pour être en CDD
TEMPDUR : Durée du CDD ? Plus optionnel ça peut-être ?
HWUSUAL : Nombre d’heures travaillées par semaine en général
SEEKDUR : Temps passé en recherche d’emploi
COURLEN : Nombre d’heures passées à se former sur ces quatre dernières semaines ⇒ Pour mesurer la formation professionnelle ?
COURPURP : Raison de la formation pro
COURFILD : Domaine de la formation pro
WSTAT1Y : Situation pro un an avant l’enquête (emploi, chômage, …)
STAPRO1Y : Situation pro un an avant l'enquête (salarié, auto-entrepreneur, …)
REFYEAR : Année de l’enquête
HATLEV1D : Niveau d’éducation
EMPSTAT : Etre en emploi (variable filtre)
Variables méthodo
QHHNUM: numéro de série du foyer ⇒ L’identifiant du foyer.
COEFFY: poids par an (uniquement ça à garder si on fait une étude par an mais il existe un équivalent si l’analyse porte par trimestre).
HHSEQNUM = L'identifiant au sein du ménage.
Questions à se poser
On s’intéresse au temps d’emploi des femmes: mais donc à l’aspect uniquement quantitatif (avoir un travail ou non, temps partiel ou non) et pas à la “qualité de l’emploi” (ex un CDD etc?)
Choses à faire pour clean les données a priori (TBA)
harmoniser le nom du pays pour chaque base (à automatiser?)
harmoniser l’année choisie pour chaque base (à automatiser)
Questions de nettoyage/traitement de données plus profondes
bbasa1
commented
1 year ago
Variables d’analyse
Variables méthodo
Questions à se poser
On s’intéresse au temps d’emploi des femmes: mais donc à l’aspect uniquement quantitatif (avoir un travail ou non, temps partiel ou non) et pas à la “qualité de l’emploi” (ex un CDD etc?)
Choses à faire pour clean les données a priori (TBA)
Questions de nettoyage/traitement de données plus profondes
Pour la question des congés mat /parental :